DNA VERİLERİNİN SAYISALLAŞTIRMA TEKNİKLERİNİN İNCELENMESİ VE GENOMİK ÇALIŞMA ALANLARINA UYGULANMASI

Abstract

Genomik sinyal işleme uygulamaları için analog DNA dizilerinin sayısallaştırılması gerekmektedir. Bu sayısal haritalama teknikleri, genomik çalışmalarda amaçlanan hedefe ulaşmada sistemin performansını büyük ölçüde etkilemektedir. Tezin iki temel amacı bulunmaktadır. Bunlardan ilki, biyoenformatik alanında DNA dizilerinin sayısallaştırılmasında kullanılan ve son yıllarda popülerlik kazanan sayısal haritalama tekniklerinin detaylı incelenmesinin sağlanması, bu sayısal haritalama tekniklerinin protein kodlayan bölgeler ile ilgili uygulamalarda performansı nasıl etkilediğinin analiz edilmesidir. Bu amaçla son 10 yılda yapılan çalışmalarda literatürde sunulan 50 tane sayısal kodlama tekniği incelenmiş, bu tekniklerin sayısal temsilleri örnek bir DNA dizisinde verilmiş ve her bir kodlama tekniğinin avantaj ve dezavantajları çıkarılmıştır. Tezin ilk amacına yönelik gerçekleştirilen çalışma, gelecekteki genomik sinyal işleme uygulamaları için DNA sayısallaştırma tekniğinin seçiminde araştırmacılara rehberlik etmektedir. İkinci amaç ise baz sayısı az olan kısa ekzon bölgelerinin tespitinde ihtiyaç duyulan iyileştirmelerin gerçekleştirilmesi amacıyla yeni bir protein kodlayan bölgesi tespiti uygulaması geliştirmektir. Geliştirilen hibrit modelin, diğer kodlama teknikleriyle düşük başarılar elde edilen kısa ekzon bölgelerinin tespitinde, şimdiye kadar ulaşılan en yüksek başarıyı önemli ölçüde geride bıraktığı sonucu elde edilmiştir.

Analogous DNA sequences need to be digitized for genomic signal processing applications. These digital mapping techniques greatly affect the system's performance in achieving the intended goal in genomic studies. The thesis has two main aims. The first of these is to provide a detailed examination of the digital mapping techniques used in the digitization of DNA sequences in bioinformatics, which have gained popularity in recent years, and to analyze how these digital mapping techniques affect the performance in applications related to protein-coding regions. For this purpose, in the studies carried out in the last 10 years, 50 digital coding techniques presented in the literature were examined, the numerical representations of these techniques were given in a sample DNA sequence, and the advantages and disadvantages of each coding technique were determined. The study carried out toward the first aim of the thesis guides researchers in selecting DNA digitization techniques for future genomic signal processing applications. The second aim is to develop a new protein-coding region detection application to realize the improvements needed in the detection of short ekzon regions with low base numbers. It has been concluded that the developed hybrid model significantly surpasses the highest success achieved so far in detecting short ekzon regions where low success was achieved with other coding techniques.